GRUNDLÄGGANDE REGRESSIONSANALYS Problemsamling

Transkript

1 GRUNDLÄGGANDE REGRESSIONSANALYS Problemsamling Martin Singull Kapitel 1 GR-1.1. Uppgift 1. i Grundläggande Regressionsanalys. GR-1.2. Uppgift 2. i Grundläggande Regressionsanalys. GR-1.3. Uppgift 3. i Grundläggande Regressionsanalys. GR-1.4. Uppgift 4. i Grundläggande Regressionsanalys. see the last two pages for the problems (see the first 4 questions) GR-1.5. Låt X 1, X 2 och X 3 vara stokastiska variabler sådana att X X 2 N 5, X 3 a) Beräkna P(X 2 > X 1 + 1). b) Man vill göra en linjärkombination Y = a 1 X 1 + a 2 X 2 + a 3 X 3 sådan att E(Y ) = 5 och var(y ) minimeras. Bestäm a 1, a 2 och a 3. GR-1.6. De stokastiska variablerna X 1, X 2,..., X 5 är oberoende och N(10, 4). Betrakta Y 1 = 1 5 (X 1 + X X 5 ), Y 2 = 4X 1 + X 2 X 3 X 4 X 5. a) Bestäm simultana fördelningen för (Y 1, Y 2 ). b) Beräkna P(Y 1 > Y 2 ) c) Beräkna korrelationskoefficienten mellan Y 1 och Y 2. GR-1.7. Låt X 1 och X 2 vara resultaten på två psykologiska test för en person och X 3 en betygssättning av personens förmåga att sköta en viss typ av arbetsuppgifter inom ett företag. Genom lång erfarenhet vet man att ( ) X 1 X 2 X 3 har tredimensionell normalfördelning med väntevärdesvektor och kovariansmatris µ = 53 ; C = Man vill ha information om X 3 via X 1 och X 2. Man kan bestämma en bästa linjär prediktor genom att kräva ˆX 3 = a + bx 1 + cx 2 1

2 (i) E( ˆX 3 ) = E(X 3 ) (ii) var(x 3 ˆX 3 ) minimal. a) Bestäm denna bästa linjära prediktor ˆX 3. b) Visa att predikteringsfelet ɛ = X 3 ˆX 3 är oberoende av X 1. (Predikteringsfelet är oberoende av X 2 också, men det behöver du inte visa.) GR-1.8. Den stokastiska variabeln ( X 1 X 2 ) X 3 har en tredimensionell normalfördelning med väntevärdesvektor och kovariansmatris respektive 7/2 1/2 1 1/2 1/ /2 a) Bestäm väntevärdesvektorn och kovariansmatris för ( Y 1 Y 2 Y 3 ), där b) Beräkna P(Y 2 > 2Y 3 ). Y 1 = X 2 + X 3 Y 2 = X 1 + X 3 Y 3 = X 1 + X 2 c) Undersök om Y 1 och Y 2 är oberoende. Svaret skall motiveras. GR-1.9. Störningarna ε 1, ε 2, ε 3 vid tre på varandra följande signalöverföringar i ett kommunikationssystem kan anses utgöra komponenterna i en normalfördelad vektor med väntevärdesvektor µ och kovariansmatris C enligt nedan µ = Beräkna sannolikheten att medelvärdet 0 0, C = ε = (ε 1 + ε 2 + ε 3 )/3 av de tre störningarna till sitt belopp överstiger 2 enheter. Kapitel 2 GR-2.1. Visa att residualvektorn e = Y Ŷ har kovariansmatrisen (I X(X X) 1 X )σ 2. GR-2.2. Betrakta den enkla linjära regressionsmodellen Y j = β 0 + β 1 x j + ε j, j = 1, 2,..., n där ε 1, ε 2,..., ε n är oberoende och N(0, σ 2 ). Visa att minsta-kvadrat-metodens skattningar ˆβ 0 och ˆβ 1 är oberoende om och endast om n x j = 0. j=1 GR-2.3. En ny medicin mot cancer prövades på tio möss, som var och en hade en tumör av storleken 4 gram. Mössen fick olika doser (x) av medicinen, och minskningen (y) av tumören bestämdes för varje mus. Resultat: 2

3 x y Modell: Y = β 0 + β 1 x + β 2 x 2 + ε där ε N(0, σ 2 ). En variansanalys enligt denna modell gav: Skattad regressionslinje: y = x x REGR RES TOT a) Pröva på nivån H 0 : β 1 = β 2 = 0 mot H 1 : minst en av β 1 och β 2 0. b) Bestäm den dos som är optimal enligt den här regressionsanalysen. c) Vore det tänkbart att ta bort en av förklaringsvariablerna? Motivera ditt svar kortfattat. GR-2.4. I en studie av lönsamheten för filmbolag har man valt ut 20 hollywoodfilmer slumpmässigt och för varje film tagit fram observerade värden på y = bruttointäkt (enhet: miljoner dollar) x 1 = produktionskostnad (enhet: miljoner dollar) x 2 = marknadsföringskostnad (enhet: miljoner dollar). Man var speciellt intresserad av om det hade betydelse om filmen baserats på en bok, som publicerats innan filmen producerades. För att separera sådana filmer från de övriga definierades en så kallad dummmy-variabel { 1 för film baserad på en bok x 3 = 0 annars Resultat 3

4 Data har analyserats enligt modellerna Modell 1: Y = β 0 + β 2x 2 + ε x 1 x 2 x 3 y Modell 2: Y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + ε där ε respektive ε i de två modellerna antas vara oberoende och N(0, σ 2 ) respektive N(0, σ 2 ). er finns nedan. nr 1 Skattad regressionslinje: y = x REGR RES TOT nr 2 Skattad regressionslinje: y = x x x REGR RES TOT a) Förklara kortfattat varför modell 2 beskriver datamaterialet bättre än modell 1. Motivera ditt svar med hjälp av lämpliga parametrar från datorutskriften. b) Verkar det ha betydelse för intäkten om filmen baserats på en bok och i så fall på vilket sätt? Motivera ditt svar med hjälp av ett lämpligt 95% konfidensintervall. c) En film baserad på en nyutkommen bok ska produceras. Man uppskattar produktionskostnaden till 11 miljoner dollar och man tänker satsa 9 miljoner dollar på marknadsföring av filmen. Uppskatta den förväntade bruttointäkten från filmen med hjälp av modell 2. Du behöver inte göra 4

5 något intervall (X X) 1 = GR-2.5. Antag att tiden Y för en kemisk reaktion har linjär regression med avseende på temperaturen x. Följande observerade data föreligger: a) Beräkna punktskattningar av β 0, β 1 och σ 2. x i y i b) Rita in värdena tillsammans med den beräknade regressionslinjen i ett koordinatsystem. GR-2.6. Vid ett test av bromsarna på en bil bromsades bilen upprepade gånger från en hastighet av cirka 100 km/h till stillastående på en torr asfaltväg. Vid varje försök mätte man dels hastigheten vid inbromsningens början (det var i praktiken svårt att hålla exakt hastigheten 100 km/h), dels bromssträckan. Resultat: Begynnelsehastighet Bromssträcka a) Låt Y j, j = 1, 2,..., 5 beteckna bromssträckan i respektive försök. Antag att Y 1, Y 2,..., Y 5 är oberoende och N(µ, σ 2 ), där µ betecknar den förväntade bromssträckan vid begynnelsehastigheten 100 km/h. (Vi betraktar sålunda all variation hos bromssträckan, även den som orsakas av varierande begynnelsehastighet, som ren slumpvariation.) Vi har alltså Y j = µ + ε j där ε j N(0, σ 2 ). Bestäm ett 95% konfidensintervall för µ. b) En del av variationen i bromssträckan beror troligen på att hastigheten inte varit exakt 100 km/h. Via en linjär modell bör man kunna ta hänsyn till hastigheten. I försök nummer j har vi haft hastigheten x j och vi har fått bromssträckan y j, som är observation av Y j = β 0 + β 1 x j + ε j där ε j N(0, σ 2 ). En variansanalys gav: Skattad regressionslinje: y = x REGR RES TOT (X X) 1 = ( ) Beräkna ett 95% konfidensintervall för den förväntade bromssträckan vid hastigheten 100, dvs för β β 1. c) Jämför resultaten i a) och b). Vilken analysmetod föredrar du? GR-2.7. Vid en fabrik tillverkas salpetersyra genom oxidation av ammoniak. Under 21 dagar har man mätt samhörande värden på x 1 = luftflödet. x 2 = ingående kylvattnets temperatur. x 3 = koncentrationen av HNO 3 i den absorberande vätskan y = 10 andelen (i %) av NH 3 som förloras, dvs ett omvänt måttpå utbytet. Data from Operation of a Plant for the Oxidation of Ammonia to Nitric Acid. 5

6 Air Cooling Water Acid Stack Flow Inlet Temp. Concentration Loss Run No. x 1 x 2 x 3 y er enligt följande modeller finns nedan. Modell 1: Y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + ε Modell 2: Y = β 0 + β 1 x 1 + β 2 x 2 + ε Konstruera med hjälp av modell 2 ett 95% konfidensintervall för E(Y ) då x 1 = 50 och x 2 = 18. Är du nöjd med intervallet? 1 Skattad regressionslinje: y = x x x REGR RES TOT Skattad regressionslinje: y = x x REGR RES TOT (X X) 1 = GR-2.8. Man vill utnyttja en regressionsmodell för att beräkna priser på passagerarplan. Som beroende variabel har man 6

7 Y = flygplanets pris/antal passagerarplatser (enhet: tal 8mm dollar) och som förklaringsvariabler x 1 = startvikten / antalet passagerarplatser x 2 = ln (hastigheten) Observerade värden: Modell: Y = β 0 + β 1 x 1 + β 2 x 2 + ε x 1 x 2 y Skattad regressionslinje: y = x x REGR RES TOT (X X) 1 = Konstruera ett 95% prediktionsintervall för priset på ett flygplan med 60 platser, startvikten och hastigheten 287. Är du nöjd med intervallet? GR-2.9. I mitten av 1800-talet ville den skotske fysikern James D. Forbes uppskatta höjden över havet genom att mäta kokpunkten för vatten. Han visste att höjden över havet kunde bestämmas med hjälp av lufttrycket. I en serie experiment studerade han sambandet mellan lufttryck och kokpunkt. Intresset för problemet motiverades av svårigheten för resenärer att transportera 1800-talets ömtåliga barometrar. Forbes samlade data i Alperna och Skottland, och följande datamaterial publicerades 1857: 7

8 En analys enligt Case Boiling Pressure No. Point ( o F) (in. Hg) Log(Pressure) 100 Log(Pressure) Modell 1: Y j = β 0 + β 1 x j + ε j där ε N(0, σ 2 ), x j = temperaturen och y j = 100 log (tryck), finns nedan. Residualplotten avslöjar en avvikande observation, en sk outlier, nämligen nr 12. Vi vill undersöka om det är troligt att avvikelsen har uppstått av en ren slump. a) Datamaterialet har också analyserats enligt Modell 2: Y j = β 0 + β 1 x j + β 2 u j + ε j där u j = { 1 för j=12 0 annars. Undersök med hjälp av ett lämpligt test eller konfidensintervall om observation nr 12 kan anses vara avvikande. Nivå b) I analys nr 3 har observation nr 12 strukits och återstående data har analyserats enligt modell 1. Konstruera utgående från denna analys ett 95% intervall med vars hjälp man kan undersöka om observation nr 12 kan anses vara avvikande. Vad blir din slutsats? Anm. Man kan visa att metoderna i a) och b) är ekvivalenta, se Weisberg (1985), sid Skattad regressionslinje: y = x REGR RES TOT Skattad regressionslinje: y = x u REGR RES TOT

9 3 Skattad regressionslinje: y = x REGR RES TOT (X X) 1 = ( ) GR En psykolog intresserade sig för effekterna av sömnbrist. 20 personer med likartade sömnvanor delades slumpmässigt in i fem grupper med fyra individer i varje. Ett försök genomfördes under två dagar. Natten mellan dag 1 och dag 2 fick: Grupp 1: 0 timmars sömn Grupp 2: 2 timmars sömn Grupp 3: 4 timmars sömn Grupp 4: 6 timmars sömn Grupp 5: 8 timmars sömn Dag 1: På morgonen fick varje person genomgå ett test, som gick ut på att utföra additioner av tal under tio minuter. Dag 2: Personerna fick på morgonen genomgå ett nytt men likvärdigt test med additioner av tal. För varje person beräknades skillnaden mellan antalet korrekt utförda additioner dag 1 och antalet korrekt utförda additioner dag 2. Resultat: Grupp nr Observerade data Modell: För person nr i gäller att skillnaden i testresultat y i är observation av Y i = β 0 + β 1 x i + ε i där ε 1,..., ε 20 är oberoende och N(0, σ 2 ) och där x i = antalet timmar sömn. En variansanalys ges nedan. a) Konstruera ett 95% konfidensintervall för β 1 och pröva på nivån 0.05 H 0 : β 1 = 4 mot H 1 : β 1 4. b) Undersök med hjälp av ett lämpligt test eller konfidensintervall om regressionslinjen skär x-axeln vid x = 8, dvs om de som sovit åtta timmar har oförändrad förmåga att klara testet. Nivå 5%. Skattad regressionslinje: y = x REGR RES TOT

10 ( ) (X X) = GR Följande tabell visar utgifterna för privat konsumtion (y) samt den disponibla inkomsten (x 1 ) båda uttryckta i miljarder dollar. Variabeln x 2 anger krigstillståndet { 1 då landet är i krig x 2 = 0 annars Uppgifterna gäller USA under åren Analys av datamaterialet enligt modellen där ε N(0, σ 2 ) gav x 1 x 2 y Y = β 0 + β 1 x 1 + β 2 x 2 + ε Skattad regressionslinje: y = x x REGR RES TOT (X X) 1 = a) På vilket sätt påverkas den privata konsumtionen av landets krigstillstånd enligt den här analysen? Motivera ditt svar genom att konstruera ett lämpligt tvåsidigt 99% konfidensintervall. b) Konstruera ett 99% prediktionsintervall för den privata konsumtionen ett år, då x 1 = 150 och då landet inte är i krig. GR Nedanstående material utgör data från 20 affärsmäns investeringar och motsvarande vinster. Om vi önskar investera kapitalet 20, vilken vinst kan vi då räkna med? Ta fram punktskattning och 95% intervallskattning. 10

11 Invest (x) Vinst (y) Invest (x) Vinst (y) Skattad regressionslinje: y = x REGR RES TOT (X X) 1 = ( ) GR Ett universitet har en dator som dels utnyttjas av lärare och elever, dels av externa användare. Låt x 1 = antalet universitetsanvändare x 2 = antalet externa användare y = genomsnittlig svarstid i hundradels sekunder Samhörande värden på x 1, x 2 och y har observerats: En analys enligt modellen x 1 x 2 y x 1 x 2 y x 1 x 2 y x 1 x 2 y har gjorts. finns nedan. Y = β 0 + β 1 x 1 + β 2 x 2 + ε a) Pröva på nivån H 0 : β 1 = β 2 = 0 mot H 1 : minst en av β 1 och β 2 är 0. b) Belastar interna och externa användare datorn lika mycket, dvs är det möjligt att β 1 = β 2? Konstruera ett konfidensintervall för β 1 β 2 med konfidensgraden 95%. Skattad regressionslinje: y = x x REGR RES TOT (X X) 1 =

12 Kapitel 3 GR-3.1. Man har observerat en tidsserie y t, där t = 1, 2,..., 40. För att göra en lämplig modell för Y t gör man en analys enligt den preliminära modellen Y t = β 0 + β 1 t + ε t där ε t -variablerna är oberoende och N(0, σ 2 ). Residualerna plottades mot t. a) Efter att ha studerat residualplotten bestämmer man sig för att analysera datamaterialet enligt modellen Y t = β 0 + β 1 t + β 2 t 2 + ε t där ɛ t -variablerna är oberoende och N(0, σ 2 t). Ange två skäl till att man väljer denna modell. b) Ange en formel med vars hjälp β 0, β 1, β 2 i modellen i a) kan skattas. Eventuella matriser mm, som ingår i formeln, skall definieras fullständigt. (Ledning: Transformera datamaterialet på lämpligt sätt.) Kapitel 4 GR-4.1. För att jämföra tre olika sorters järnvägsräls lade man i fem olika distrikt ut två mil av vardera sorten och noterade under två år Resultat: x = genomsnittliga antalet tåg per dag, som passerade rälsavsnittet. y = antalet sprickor i rälsen. Typ A Typ B Typ C x y x y x y

13 Modell: Y = β 0 + β 1 z 1 + β 2 z 2 + β 3 x + ε där ε N(0, σ 2 ) och där { { 1 för typ B 1 för typ C z 1 = z 2 = 0 för övrigt 0 för övrigt. En variansanalys finns nedan. a) Verkar det genomsnittliga antalet tåg per dag vara av betydelse för sprickbildningen? Genomför ett lämpligt test på nivån 0.05 för modellen ovan. b) Finns det skillnader mellan spårtyperna vad gäller sprickbildningen? Genomför ett lämpligt test på nivån Skattad regressionslinje: y = x x x REGR RES TOT Skattad regressionslinje: y = x REGR RES TOT GR-4.2. Ett företag har jämfört efterfrågan av en viss sorts hygienartiklar i tolv olika försäljningsdistrikt. I fem av distrikten har varan sålts enbart genom detaljhandelskedjan A och i de sju övriga distrikten genom ett mycket stort antal detaljister. Följande resultat har erhållits: Distrikt Distribution Urbanise- Relativ Försäljningsnr ringsgrad inkomst volym per inv 1 Enbart A Flera detaljister Vi vill bland annat undersöka om distributionsformen kan ha betydelse för försäljningsvolymen genom att utnyttja en regressionsmodell. Sätt x 1 = { 1, om distribution genom enbart A 0, om distribution genom stort antal detaljister. x 2 = urbaniseringsgrad. 13

14 x 3 = relativ inkomst. Y = försäljningsvolym per invånare. Regressionsanalys med modellen Y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + ε gav följande resultat: Skattad regressionslinje: y = x x x REGR RES TOT a) Verkar valet av distributionsform ha någon effekt? b) Nedan följer några analyser för olika kombinationer av förklarande variabler. Vilken förklarande variabel skulle du välja, om du bara fick ta med en variabel? Kan man vara säker på att det bästa paret av förklarande variabler innehåller den variabel du tog med ovan? Hur många förklarande variabler (en, två eller tre) anser du rimligt att ta med i detta exempel? Skattad regressionslinje: y = x REGR RES TOT Skattad regressionslinje: y = x REGR RES TOT Skattad regressionslinje: y = x REGR RES TOT Skattad regressionslinje: y = x x REGR RES TOT

15 Skattad regressionslinje: y = x x REGR RES TOT Skattad regressionslinje: y = x x REGR RES TOT GR-4.3. En viss typ av buss har bara en dörr, som måste användas både av dem som stiger av och dem som stiger på. Man har vid 20 tillfällen mätt tiden y (i sekunder) från det att bussen stannat vid en hållplats tills den åter satt igång. Samtidigt har man noterat antalet påstigande (x 1 ) och antalet avstigande (x 2 ). x 1 x 2 y Man vill försöka förklara bussens stopptid y med hjälp av en linjär regressionsmodell på x 1 och/eller x 2. En variansanalys ges nedan. a) Om du bara fick använda en förklarande variabel i regressionen, vilken skulle du då välja? Motivera svaret. Gör den nytta som förklaringsvariabel? Genomför ett lämpligt test på nivån 1%. b) Utgående från modellen i a) är det någon mening med att ta med även den andra förklarande variabeln i regressionen? Test skall genomföras på nivån 1%. Skattade korrelationer ges av x 1 x 2 x y

16 Skattad regressionslinje: y = x 1 REGR RES TOT Skattad regressionslinje: y = x x 2 REGR RES TOT GR-4.4. I en studie av överlevnadstiden för patienter med prostatacancer har man för varje patient noterat behandlingstypen (x 1 ), åldern i år (x 2 ) vid behandlingens början, halten (x 3 ) av ett visst karakteristiskt ämne, AP, i blodet, förekomsten av skelettmetastaser (x 4 ) samt överlevnadstiden (y) i månader räknat från behandlingens början. Vi har { 0 vid placebobehandling (= ingen behandling) x 1 = 1 vid östrogenbehandling x 4 = En variansanalys av datamaterialet för modellerna där ε N(0, σ 2 ), och där ɛ N(0, σ 2 ) gav de skattade korrelationerna { 0 om skelettmetastaser ej förekommer 1 om skelettmetastaser förekommer Y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + β 4 x 4 + ε (1) Y = β 0 + β 1 x 1 + β 3 x 3 + ε (2) och x 1 x 2 x 3 x 4 x x x y Skattad regressionslinje: y = x x x x REGR RES TOT Skattad regressionslinje: y = x x 3 16

17 REGR RES TOT a) Betrakta modell 1. Hur tycks östrogenhalten påverka överlevnadstiden? Motivera ditt svar genom att konstruera ett lämpligt konfidensintervall med konfidensgraden 80%, vilket egentligen är en väl låg konfidensgrad. b) Variabeln x 3 fungerar bäst som ensam förklaringsvariabel (varför?), x 1 vill man ha med i modellen, eftersom ett av målen är att avgöra om östrogenbehandlingen gör nytta, men är det meningsfullt att ta med även x 2 och x 4? Genomför ett lämpligt test på nivån 5%. c) Nämn någon fördel med regressionsanalyser av den typ vi gjort här jämfört med att dela in patienterna i två behandlingsgrupper och undersöka om det finns någon skillnad i förväntad överlevnadstid. GR-4.5. Följande datamaterial illustrerar tillväxten i en bakterieodling. t y där t = antalet dagar efter inympningen och y = antalet bakterier. Modell 1: Y t = e β0+β1t+εt där ε t N(0, σ 2 ). Konstruera ett 95% prediktionsintervall för antalet bakterier vid tidpunkten 20, dvs för Y 20. Skattad regressionslinje: ln(y) = t REGR RES TOT (X X) 1 = ( )

18 Svar GR-1.5. a) 1 Φ(0.577) 0.28 b) Y = (X 1 + X 3 )/2. GR-1.6. a) Y N (( ) ( 10 20, )) ; b) 1 Φ(1.135) 0.13; c) ρ = 0.2. GR-1.7. ˆX3 = X X GR-1.8. a) Y = AX = X. Då är E(Y ) = A E(X) = b) P (Y 2 > 2Y 3 ) = P (Y 2 2Y 3 > 0); Y 2 2Y 3 = (0 1 2)Y; Y 2 2Y 3 N ( ) 1 1, ( ) C Y 0 1 = N(1, 10); 0 2 P (Y 2 2Y 3 > 0) = Φ(1/ 10) och C Y = AC X A = c) Y 1 och Y 2 är oberoende, eftersom de har simultan normalfördelning med cov(y 1, Y 2 ) = 0. GR-1.9. ε N(0, 1.02); P ( ε > 2) = GR-2.1. Skriv e som en linjär transformation av Y -vektorn. GR-2.3. a) v = > (ur F (2.7)-tabell). H 0 förkastas. b) x = 5.82 ger maximum för det skattade regressionsuttrycket. c) Med hänsyn till kurvans utseende bör inte någon av förklaringsvariablerna uteslutas. GR-2.4. a) Modell 2 har förklaringsgrad R 2 = 96.7% vilket är klart bättre än R 2 = 77.9% för modell 1. b) I β3 = ( ) = (3.312, ). Ett manus baserat på en bok ser ut att ge högre bruttointäkter. c) ˆβ ˆβ ˆβ 2 + ˆβ 3 = Den förväntade bruttointäkten är cirka 67 miljoner dollar. GR-2.5. a) Y = Xβ + ε där X = ( ) 1 ( ) ˆβ = (X X) 1 X y = ˆβ 0 + ˆβ 1 x i : σ 2 skattas med s 2 = 1 3 (yi ˆβ 0 ˆβ 1 x i ) 2 = GR-2.6. a) I µ = (50.0, 57.4) b) I β0+100β 1 = (53.4, 54.4) ( ) ; y = ( ) = ( ) ( ) = ( ) c) Den linjära modellen beskriver datamaterialet bäst; detta styrks både av plotten och variansskattningarna. GR-2.7. I µ0 = (ˆµ 0 t s ) (4.2, 8.8). Värdena i I µ0 verkar låga, vilket bland annat kan bero på att sambandet mellan y och x 2 inte är linjärt. GR-2.8. U 0 = 60Y 0 där Y 0 = β β β 2 + ε 0 ; I Y0 = (123.79, ) ger I u0 (7 400, ). Intervallet är så långt att det är tveksamt om man har nytta av det. 18

19 GR-2.9. a) I β2 = (1.20, 1.70) dvs 0 I β2 och observation nr 12 tycks avvika från de övriga. b) Med hjälp av analys 3 gör vi ett prediktionsintervall för Y 12 : I Y12 = (140.74, ) dvs y 12 = I Y12 och observation nr 12 tycks avvika. GR a) I β1 = ( t ) = ( 6.03, 4.82) där t = 2.10 ges i t(18)-tabell. 4 / I β1. Alltså kan H 0 förkastas på nivån b) Vi konstruerar ett konfidensintervall för β 0 + 8β 1. ˆβ 0 +8 ˆβ 1 = 5.30; den stokastiska variabeln ˆβ 0 +8 ˆβ 1 N(β 0 +8β 1, 0.15σ 2 ) eftersom var( ˆβ 0 +8 ˆβ 1 ) = σ 2 (1 8)(X T X) 1( 1 8) = 0.15σ 2. σ 2 skattas med s 2 = Q res /18 = ; frihetsgrader: 18 Hjälpvariabeln ˆβ 0+8 ˆβ 1 (β 0+8β 1) s 0.15 I β0+8β 1 t(18) och den ger = ( ˆβ ˆβ 2.10s 0.15) ( 8.28, 2.32). 0 / I β0+8β 1. Alltså kan vi förkasta hypotesen att regressionslinjen skär x-axeln vid x = 8. Eftersom intervallet bara innehåller negativa värden tycks åtta timmars sömn förbättra testresultatet, vilket kan innebära att utvilade personer har en inlärningseffekt. GR a) I β2 = ( t ) ( 29.6, 17.1). Krigstillstånd verkar ge lägre privat konsumtion. b) Vi söker ett prediktionsintervall för Y 0 = β β 1 + ε 0 ; m 0 = ( ) β; ˆm 0 = ( ) ˆβ = ; notera att ˆβ0 = interceptskattningen; var( ˆm 0 ) = ( ) 1 σ 2 (X X) = σ 2 0 Den stokastiska variabeln Y 0 ˆm 0 N(0, σ 2 ). σ 2 skattas med s 2 = Q RES /12 = ; s = 3.411; frihetsgrader: 12. Hjälpvariabeln (Y 0 ˆm 0 )/(s ) t(12) den ger I Y0 = ( ˆm 0 t s ) = (128.5, 150.7) där t = GR Prediktionsintervall för vinsten I Y0 = (74, 183) GR a) v = > 9.8 (ur F (2, 21)-tabell). H 0 förkastas. b) β 1 β 2 = ( ) β; den stokastiska variabeln ˆβ 1 ˆβ 2 N(β 1 β 2, σ 2 ); I β1 β 2 = ( 4.18, 1.90); 0 / I β1 β 2. De externa användarna tycks belasta datorn hårdare. GR-3.1. a) Sambandet mellan y t och t ser ut att vara en krökt kurva av andragradstyp. var(ε t ) ser ut att växa då t växer. b) Skatta β genom att utgå från Z t = Y t / t som får en regressionsmodell utan konstantterm. ˆβ = (X X) 1 X Z där X är koefficientmatrisen som hör ihop med Z-vektorn. GR-4.1. a) I β3 = (0.27, 0.54); 0 / I β3. Antalet tåg per dag tycks vara av betydelse. b) H 0 : β 1 = β 2 = 0 prövas med hjälp av v = 5.22 > H 0 förkastas. Det finns med stor sannolikhet skillnader mellan spårtyperna. GR-4.2. a) Ja, eftersom konfidensintervallet för β 1 inte innehåller nollan. b) Fråga 1: x 2. Fråga 2: Nej. Fråga 3: Modellen med x 1 och x 2 som förklaringsvariabler ger minst variansskattning. GR-4.3. a) x 1 är den bästa ensamma förklaringsvariabeln, eftersom den är starkast korrelerad med y. Teststorheten u = > 8.29, varför x 1 gör nytta som förklaringsvariabel. b) Teststorheten v = > 8.4. Ta med även x 2 i modellen. 19

20 GR-4.4. a) I β1 = ( ± t ) = ( ± ) (1, 19) där t = 1.30 ges i t(45)-tabell. Östrogenbehandling tycks öka överlevnadstiden. b) x 3 är starkast korrelerad med y och fungerar därför bäst som ensam förklaringsvariabel. Vi prövar modell 2 mot modell 1, dvs med ett F-test. Teststorhet H 0 : β 2 = β 4 = 0 mot H 1 : någon av β 2 och β 4 0 v = ( )/ /45 = 1.84 F (2, 45)-tabell ger kritiska gränsen < 3.2. H 0 kan ej förkastas. Modell 2 duger. c) Genom att ta med extra förklaringsvariabler utöver behandlingstypen kan man förklara en del av variationen, vilket ger mindre variansskattning, och då är det lättare att upptäcka behandlingseffekter. Vidare kan man hitta variabler som har betydelse för överlevnadstiden mm. GR-4.5. I Z0 = I ln Y0 = ( , ) dvs I Y0 = (878000, ). 20

21

22